Οφέλη Εφαρμογών Επιχειρηματικής Ευφυΐας στο Δημόσιο...

Οφέλη Εφαρμογών Επιχειρηματικής Ευφυΐας στο Δημόσιο Τομέα

Δαμιανός Χατζηαντωνίου ([email protected])Επίκ. Καθηγητής, Τμήμα Διοικητικής Επιστήμης και

ΤεχνολογίαςΟικονομικό Πανεπιστήμιο Αθηνών

Ημερίδα Επιχειρηματικής Ευφυΐας στο Δημόσιο Τομέα

ΕΚΔΗΛΩΣΗ ΕΠΙΧΕΙΡΗΜΑΤΙΚΗΣ ΕΥΦΥΪΑΣ ΣΤΟ ΔΗΜΟΣΙΟ ΤΟΜΕΑ 2

Πρόγραμμα Ημερίδας (1)

3.15-3.30 Οφέλη Εφαρμογών Επιχειρηματικής Ευφυΐας στο Δημόσιο

Τομέα, Δαμιανός Χατζηαντωνίου, Επικ. Καθ., Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας, ΟΠΑ

3.30-4.00 Επιχειρηματική Ευφυΐα και Δημόσιος Τομέας, Δημοσθένης

Αναγνωστόπουλος, Γενικός Γραμματέας Πληροφοριακών Συστημάτων, Υπουργείο Οικονομίας και Οικονομικών

4.00-4.20 BI: Μετασχηματισμός Πληροφορίας σε Εργαλείο

Απόφασης, Νίκος Κάκαρης, Γεν. Διευθ. Παρατηρητηρίου για την Κ.τ.Π.


Πρόγραμμα Ημερίδας (2)4.50-5.10

Επιχειρηματική Ευφυΐα: Προσδίδοντας αξία στο Ελληνικό Δημόσιο, Αλέξανδρος Χόλης, Group Product Director, BO/Relational

5.10-5.30 Cognos Government Performance Management, Ιωάννης Λέκος,

Cognos CPM Senior Consultant, Cognos/SCICOM5.30-5.50

Ολοκληρωμένες Λύσεις & Υλοποιήσεις Επιχειρηματικής Ευφυΐας, Αντώνης Λίνας, Account Manager, Public & Academic Sector, Microsoft

5.50-6.10 Oracle Business Intelligence Solutions in Public Sector, Άκης

Παπασταμούλης, Technology Sales Consultant, Oracle Hellas6.10-6.30

SPSS Predictive Analytics για τον Δημόσιο Τομέα, Βλάσσης Παπαπαναγής, Sales & Marketing Director, SPSS-BI


Επιχειρηματική Ευφυΐα (EE)

Η Επιχειρηματική Ευφυΐα (Business Intelligence) περιλαμβάνει ένα σύνολο τεχνικών διαχείρισης δεδομένων με σκοπό την πρόσβαση σε αξιόπιστη πληροφορία, την έγκαιρη και αποτελεσματική λήψη αποφάσεων και την εξόρυξη χρήσιμης γνώσης.


Αποθήκες Δεδομένων - Data Warehouses

Μία εννοποιημένη, πλήρης και συνεπής βάση δεδομένων, η οποία περιέχει πληροφορίες από διαφορετικές πηγές δεδομένων, διαθέσιμες στο χρήστη σε μία μορφή απλή, κατανοητή και χρήσιμη στη λήψη επιχειρηματικών αποφάσεων.

W.H. Inmon: A data warehouse is a subject-oriented, integrated, time-varying, non-volatile collection of data that is used primarily in organizational decision making.


Παραδείγματα ΕΕ Πολυδιάστατη ανάλυση δεδομένων

π.χ. «ποιά είναι η ποσοστιαία αύξηση ανά προϊόν αυτό το χρόνο σε σχέση με τον προηγούμενο»;

Πολύπλοκη ανάλυση δεδομένων π.χ. «ποια είναι η ποσοστιαία μεταβολή των πωλήσεων

ενός προϊόντος από μήνα σε μήνα και πως συγκρίνεται με την αντίστοιχη μεταβολή της κατηγορίας του»;

What-If σενάρια π.χ. «εάν αυξήσω την τιμή του προϊόντος Α12 κατά 5%,

πως θα επηρεαστεί το ROI»; Εξόρυξη γνώσης

π.χ. «ποιοί από τους πελάτες μου έχουν τη μεγαλύτερη πιθανότητα να παραμείνουν πιστοί στην εταιρία μας»;


Βάσεις Δεδομένων και ΕΕ Πρόσβαση σε πλήρη, σωστά και εννοποιημένα

δεδομένα (θέμα ποιότητας δεδομένων) Οι χρήστες να μπορούν να διατυπώνουν εύκολα

τα ερωτήματα στήριξης αποφάσεων, όσο πολύπλοκα και αν είναι (θέμα έκφρασης)

Το σύστημα να απαντάει σε αυτά τα ερωτήματα γρήγορα (θέμα υπολογισμού)

Για αυτούς τους λόγους: συνήθως διαχωρίζου-με το σύστημα EE από τις λειτουργικές ΒΔ.


Αρχιτεκτονική Συστημάτων ΕΕ (1)

Data Marts Data Marts and cubesand cubes

DataDataWarehouseWarehouse

SourceSourceSystemsSystems

ClientsClients

Design ofDesign of Extract, Transform Extract, Transform Creation of Creation of Data Data Data Warehouse Data Warehouse Loading (ETL) Loading (ETL) OLAP Cubes OLAP Cubes Analysis Analysis

11 33 44

Query ToolsQuery ToolsReportingReportingAnalysisAnalysis

Data MiningData Mining

22


Φάση Σχεδιασμού Αποθήκης Δεδομένων

Σχεδιασμός της βάσης δεδομένων που θα απεικονίσει την αποθήκη δεδομένων, χρησιμοποιώντας κατάλληλες σχεδιαστικές τεχνικές για την υποστήριξη (κυρίως) πολυδιάστατης ανάλυσης δεδομένων σχήμα αστέρα (star schema) σχήμα χιονονιφάδας (snowflake schema)



Design ofDesign of Extract, TransformExtract, Transform Creation of Creation of Data Data Data Warehouse Data Warehouse Loading (ETL)Loading (ETL) OLAP Cubes OLAP Cubes Analysis Analysis




ClientsClients

11 33 44



22


Φάση Extract-Transform-Loading

Προδιαγραφή και υλοποίηση όλων των διαδικασιών εννοποίησης, μετατροπής, καθαρισμού και εισαγωγής δεδομένων στην Αποθήκη Δεδομένων διαφορετική κωδικοποίηση τιμές που λείπουν ή έχουν λάθος τιμές δεδομένα που αντιπροσωπεύουν την ίδια

οντότητα διαδικασία refresh



Design ofDesign of Extract, TransformExtract, Transform Creation of Creation of Data Data Data Warehouse Data Warehouse Loading (ETL)Loading (ETL) OLAP Cubes OLAP Cubes Analysis Analysis




ClientsClients

11 33 44



22


Φάση Υλοποίησης OLAP Κύβων

Υλοποίηση των κατάλληλων δομών δεδομένων και καθορισμός τεχνικών αποθήκευσης (κύβοι δεδομένων, ευρετήρια, διαμερισμός σε διαφορετικούς δίσκους) ώστε να υποστηρίζεται η γρήγορη και αποτελεσματική απάντηση σε πολυπλοκα ερωτήματα ανάλυσης δεδομένων.



Design ofDesign of Extract, Transform Extract, Transform Creation of Creation of Data Data Data Warehouse Data Warehouse Loading (ETL) Loading (ETL) OLAP Cubes OLAP Cubes Analysis Analysis




ClientsClients

11 33 44


Data MiningData Mining22


Φάση Αξιοποίησης Δεδομένων

Επιλογή των εργαλείων ανάλυσης δεδομένων πολυδιάστατη ανάλυση δεδομένων (OLAP) ad hoc ανάλυση δεδομένων (ad hoc data analysis) δημιουργία αναφορών (reporting) εξόρυξη γνώσης (data mining)

συσταδοποίηση (clustering) κατηγοριοποίηση (classification) κανόνες συσχέτισης (association rules) ανάλυση τάσεων (sequence/trend analysis)


Βέλτιστες Πρακτικές Εφαρμογών ΕΕ

Υποστήριξη από τη διοίκηση. Διαχείριση προσδοκιών χρηστών. Σταδιακή υλοποίηση έργου. Προσαρμοστικότητα. Ποιότητα δεδομένων. Συμμετοχή των τελικών χρηστών. Προστασία προσωπικών δεδομένων.


ΕΕ και Ιδιωτικός Τομέας (1)

Ο τομέας ΕΕ ξεκίνησε πριν από 12-15 χρόνια σαν μία niche εφαρμογή για μεγάλους οργανισμούς και επιχειρήσεις. Πλέον εφαρμόζεται σε εταιρίες με μονοψήφιο αριθμό υπαλλήλων!

Πεδιά εφαρμογής: λιανεμπόριο (ανάλυση πωλήσεων) τραπεζική (ανάλυση πιστωτικών καρτών,

συναλλαγών) τηλεπικοινωνίες (ανάλυση κλήσεων, πελατών) ασφάλειες, χρηματοοικονομικά, μεταφορές, κ.α.


ΕΕ και Ιδιωτικός Τομέας (2) Σύμφωνα με την εταιρία ανάλυσης

Gartner: Global business intelligence (BI) platform

revenue grew 10 per cent in 2007 reaching €1.5bn according to analyst Gartner.

The report says BI platform revenue will grow at an annual compound growth rate of 9.7 per cent to reach €1.9bn in 2010.

A preview of the results from Gartner’s annual survey of 1,400 CIOs worldwide shows that BI is the number one technology priority in 2007 for the second year running.


ΕΕ και Δημόσιος Τομέας Σύμφωνα με την εταιρία ανάλυσης Butler Group:

Private sector firms spend twice as much on business intelligence (BI) than public sector bodies, according to analyst Butler Group.

Only one in five public sector bodies in Europe and the US have already invested in BI, compared to two in five in the private sector, excluding small companies.

Only 15 per cent of public sector organisations plan to invest in BI in the next two years, compared to 28 per cent of private companies.

But it is the public sector which is critically in need of the technology to improve decision making and choose the best options for modernisation.


Τομέας Παιδείας (1) Ο τομέας της παιδείας είναι από τους πιο κρίσιμους

τομείς ενός κράτους εφόσον αποτελεί πηγή παραγωγής του νέου εργατικού δυναμικού της χώρας και συμβάλει στην προώθηση των επιστημών και της έρευνας.

Κεντρικός άξονας είναι η δημιουργία αποθήκης δεδομένων που να συμπεριλαμβάνει πληροφορίες από όλους τους φορείς παροχής παιδείας σε όλο το φάσμα τους (πρωτοβάθμια, δευτεροβάθμια και τριτοβάθμια εκπαίδευση).

Μια άλλη προσέγγιση είναι ή αποθήκη δεδομένων να περιοριστεί σε κάθε φορέα παροχής παιδείας ή στο σύνολο των φορέων παροχής παιδείας της ίδιας κατηγορίας.


Τομέας Παιδείας (2)

Από τέτοιες αποθήκες δεδομένων μπορούν να εξαχθούν με την χρήση αναλυτικών μεθόδων επεξεργασίας αναφορές σχετικές με τα: Στοιχεία κόστους ανά μαθητή/φοιτητή σε κάθε

φορέα παροχής παιδείας για την ανακάλυψη περιττών εξόδων.

Συγκριτική αξιολόγηση απόδοσης των φορέων παιδείας (π.χ. εύρεση του μέσου όρου των βαθμών των μαθητών/φοιτητών, ερευνητικό έργο καθηγητών)


Τομέας Παιδείας (3) Συσχέτιση δεδομένων όπως αν ή εργασία παράλληλα με

την διεξαγωγή των σπουδών αυξάνει ή όχι τον χρόνο διεκπεραίωσης των σπουδών, αν η εργασιακή εμπειρία βοηθά στην καλύτερη κατάρτιση των φοιτητών, αν ο βαθμός του απολυτηρίου συσχετίζεται με τον βαθμό πτυχίου κλπ

Στοιχεία για την διαχείριση των οικονομικών των φορέων παροχής παιδείας (πχ έξοδα για έρευνα, για υλικοτεχνική υποδομή κλπ)

Κατηγοριοποίηση μαθητών/ φοιτητών /δασκάλων /καθηγητών ανάλογα με τα επιστημονικά ενδιαφέροντά τους.

Ανακάλυψη πληθυσμών μαθητών/φοιτητών με μαθησιακές δυσκολίες

Ανακάλυψη των καλύτερων μεθόδων διδασκαλίας


Τομέας Παιδείας (4)

Για παράδειγμα το Δυτικό Περιφερειακό Κέντρο Πληροφόρησης της Νέας Υόρκης (Western New York Regional Information Center - http://www.wnyric.org -) καλύπτει το 98% των σχολικών περιφερειών του (πάνω από 250.000 μαθητές) και εφαρμόζει τεχνικές αποθηκών δεδομένων και αναλυτικής επεξεργασίας για τη λήψη πληροφοριών.


Τομέας Υγείας (1)

Η συλλογή, εννοποίηση και αξιοποίηση πληροφορίας για περιστατικά υγείας μπορεί να προσφέρει μία δραματική βελτίωση στην προσφερόμενη υπηρεσία προς τον πολί-τη, στην εξοικονόμηση πόρων και στο ερευνητικό έργο.

Η κύρια ιδέα είναι η καταγραφή σε μία κεντρική αποθήκη δεδομένων των στοιχείων των ασθενών, της ασφαλιστι-κής τους κάλυψης, τη διάγνωση της ασθένειάς τους, τη συνταγογράφηση και τη μέτεπειτα πορεία και εξέλιξη του συμβάντος.


Τομέας Υγείας (2) Είναι σημαντική η καθιέρωση προτύπων

διαλειτουργι-κότητας, έτσι ώστε να υπάρχει εννοποίηση της πληρο-φορίας. Σε διάφορες χώρες υπάρχουν προσπάθειες καθιέρωσης μίας «ηλεκτρονικής καρτέλας ασθενούς» (electronic patient record).

Ένα τέτοιο σύστημα θα μπορούσε να χρησιμοποιηθεί για τη δημιουργία πολλών και εξαιρετικά χρήσιμων αναφορών, χρήσιμων σε ένα μεγάλο έυρος χρηστών, από τον απλό πολίτη μέχρι κυβερνητικά στελέχη, συμβάλλοντας στην ανάπτυξη «χάρτα Υγείας» που θα υποβοηθήσει τη διαμόρφωση πολιτικής Υγείας.


Τομέας Κοινωνικής Ασφάλισης (1)

Η εστίαση σε μία λύση επιχειρηματικής ευφυΐας είναι η οικονομική διάσταση της διαχείρισης της κοινωνικής ασφάλισης. Η κύρια ιδέα είναι η καταγραφή σε μία κεντρική αποθήκη δεδομένων των στοιχείων των ασθενών, της ασφαλιστικής τους κάλυψης, των επισκέψεων στο κέντρο υγείας και η ανάλογη συνταγογράφηση.


Τομέας Κοινωνικής Ασφάλισης (2) Παραδείγματα:

Παρακολούθηση εξέλιξης εσόδων και εκτέλεσης της εισπρακτικής διαδικασίας συνολικά αλλά και ανά περιφέρεια.

Περιορισμός εισφοροδιαφυγής μέσω της ανάλυσης του προφίλ κάθε Εργοδότη / Ασφαλισμένου.

Παρακολούθηση Μονάδων Πρωτοβάθμιας Φροντίδας Υγείας Ασφαλιστικών Ταμείων.

Ένα αντιπροσωπευτικό παράδειγμα από τη διεθνή εμπει-ρία είναι το κοινωνικό σύστημα ασφάλισης Medicare/ Medicaid στις Η.Π.Α., το οποίο αναλύει τις συνταγογρα-φήσεις με σκοπό την πολυδίαστατη οικονομική ανάλυση ως προς πολιτεία, περιοχή, είδος φαρμάκου, πάθηση, κ.α.


Τομέας Οικονομικών (1) Η κύρια ιδέα είναι η καταγραφή σε μία κεντρική

αποθήκη δεδομένων των διαφόρων οικονομικών στοιχείων κινήσεων των φορολογούμενων, συνδυασμός δημογραφικών στοιχείων, εταιρικά δεδομένα και παραγωγή αναφορών που σχετίζονται με:

Παρακολούθηση εξέλιξης εσόδων και εκτέλεσης της φορολογικής πολιτικής συνολικά αλλά και ανά Περιφέρεια/ΔΟΥ.

Διαμόρφωση προφίλ φορολογούμενου (με καταγραφή όλου του ιστορικού συναλλαγών) για την υποστήριξη βαθμολόγησης κινδύνου (φοροδιαφυγής) και διενέργειας στοχευμένων φορολογικών ελέγχων.


Τομέας Οικονομικών (2) Ανάλυση υποθετικών σεναρίων φορολογικών

αλλαγών (π.χ. αλλαγή φορολογικής κλίμακας) και αξιολόγηση επίδρασης στα έσοδα του Κράτους.

Παρακολούθηση εξέλιξης της εκτέλεσης του προϋπολογισμού Οικονομίας.

Παροχή αναλυτικών στατιστικών εισοδήματος φυσικών και νομικών προσώπων στην ΕΣΥΕ.


Τομέας Δημόσιας Ασφάλειας

Η διεθνής εμπειρία περιλαμβάνει αρκετές περιπτώσεις υλοποίησης λύσεων επιχειρηματικής ευφυΐας στα δικαστικά και αστυνομικά σώματα.

Στατιστικά παραβασιμότητας ανά κατηγορία πληθυσμού, γεωγραφική περιοχή, είδος περιστατικού.

Σύγκριτικά στοιχεία αριθμού περιστατικών στη διάρκεια του χρόνου και εξαγωγή τάσεων.

Χρόνους αντίδρασης ανά είδος περιστατικού, περιοχής και περιόδου.

Κατηγοριοποίση των περιστατικών ως προς διαφορετικές παραμέτρους (π.χ. περιοχή) και εύρεση κανόνων συσχέτισης.


Τομέας Ανάπτυξης Στον τομέα της ανάπτυξης υπάρχουν

πολλές κάθετες εφαρμογές οι οποίες θα μπορούσαν να επωφεληθούν από τη χρήση λύσεων επιχειρηματικής ευφυΐας. Για παράδειγμα υπάρχουν πολλές εφαρμογές παρατηρητήριων τιμών όπου θα μπορούσε να πραγματοποιηθεί πολυδιάστατη ανάλυση ως προς το χρόνο, το είδος των προϊόντων, την περιοχή, να καταγραφούν τάσεις και να βρεθούν συσχετίσεις.


Βέλτιστες Πρακτικές Εφαρμογών ΕΕ

Υποστήριξη από τη διοίκηση (;). Διαχείριση προσδοκιών χρηστών (;). Σταδιακή υλοποίηση έργου. Προσαρμοστικότητα. Ποιότητα δεδομένων (;). Συμμετοχή των τελικών χρηστών (;). Προστασία προσωπικών δεδομένων.


Συμπεράσματα

Η επιχειρηματική ευφυΐα αναγνωρίζεται σαν η πιο σημαντική προτεραιότητα των CIOs διεθνώς για τα επόμενα δύο χρόνια.

Ο δημόσιος τομέας υπολείπεται του ιδιωτικού σε υλοποιήσεις ΕΕ τουλάχιστον κατά 50% (Ελλάδα;)

Υπάρχει μεγάλο πεδίο εφαρμογών ΕΕ στο δημόσιο τομέα με μεγάλα κέρδη στα λειτουργικά έξοδα των υπηρεσιών και στo σχεδιασμό πολιτικών για την εξυπηρέτηση/ικανοποίηση του πολίτη.

Οφέλη Εφαρμογών Επιχειρηματικής Ευφυΐας στο Δημόσιο...

Documents

Transcript of Οφέλη Εφαρμογών Επιχειρηματικής Ευφυΐας στο Δημόσιο...